• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      倉面大粒徑堆石的圖像處理與粒徑識別

      2022-12-01 08:40:24付立群徐小蓉郭欣晟
      關(guān)鍵詞:堆石塊石圖像識別

      劉 易 付立群 徐小蓉 郭欣晟 金 峰

      (1.長春工程學(xué)院 水利與環(huán)境工程學(xué)院,長春 130012;2. 清華大學(xué) 水沙科學(xué)與水利水電工程國家重點(diǎn)實(shí)驗(yàn)室, 北京 100084; 3. 華北電力大學(xué) 水利與水電工程學(xué)院, 北京 102206)

      堆石混凝土新型筑壩技術(shù)采用高性能自密實(shí)混凝土(HSCC)自流填充堆石體空隙[1-3],其中大粒徑石料骨架構(gòu)成了堆石體.文獻(xiàn)[4]規(guī)定了最小堆石粒徑宜不小于300 mm,采用150~300 mm的堆石時需要進(jìn)行論證,且小于200 mm的遜徑石塊體積占比不宜超過2%.這一施工準(zhǔn)則對工程而言相對簡單且保守,安全裕度偏大,主要是為避免小粒徑堆石堵塞堆石間窄小孔喉.然而,適當(dāng)采用一定比例的小粒徑堆石,合理安排堆石粒徑級配,可以有效提高堆石率,降低施工成本.因此,亟需發(fā)展更精細(xì)化的堆石質(zhì)量評價和控制方法.

      堆石粒徑分布是影響堆石混凝土密實(shí)性的重要因素之一,研究二者之間的關(guān)系需要依托真實(shí)的堆石粒徑分布數(shù)據(jù)庫[5].鑒于實(shí)驗(yàn)室場地空間大小、搬運(yùn)成本等限制因素,大量來自工程現(xiàn)場的堆石入倉圖片仍是主要數(shù)據(jù)來源.堆石料為當(dāng)?shù)刂尾牧?,由于石塊的數(shù)量與重量龐大,難以手動測量或篩分.在施工質(zhì)量監(jiān)督中,常用方法是人工目測法,僅靠施工人員的宏觀經(jīng)驗(yàn)判斷,可靠性較差[5].因此每個澆筑倉的堆石粒徑分布在施工現(xiàn)場較難獲取,部分工程在備料場設(shè)置鋼篩或鋼筋籠[6],自動篩除小于300 mm的遜徑石塊,但只能保證堆石的最小粒徑要求,并不能得到堆石的粒徑分布.

      隨著圖像識別技術(shù)的發(fā)展,批量化、非接觸式快速測量堆石粒徑參數(shù)成為可能,傳統(tǒng)的算法包括分水嶺算法[7]、區(qū)域生長算法[8]、邊緣檢測算法[9]等,被廣泛運(yùn)用于顆粒物的邊界提取和識別;近年來深度學(xué)習(xí)算法[10],如人工神經(jīng)網(wǎng)絡(luò)分析法[11]也被用于顆粒檢測.沈喬楠等[5]采用基于種子點(diǎn)搜索的分水嶺算法,分割堆石塊體間的粘連區(qū)域,將石塊的內(nèi)切圓直徑作為等效粒徑提取出來,統(tǒng)計得到粒徑區(qū)間分布作為堆石質(zhì)量評價等級.該方法尚屬摸索階段,不能實(shí)現(xiàn)批量圖片處理.黃科翰等[12]基于BASEGRAIN軟件開展了河床卵石粒徑的自動識別應(yīng)用研究,認(rèn)為第一灰度閾值對識別結(jié)果起控制作用.該方法多適用于質(zhì)地均勻、邊緣規(guī)則的橢圓形卵石.

      堆石混凝土中的堆石體,屬于三維立體特征明顯、區(qū)域質(zhì)地不均勻的大石料集合體,在BASEGRAIN軟件中容易被過分割成多個石塊.通過降低圖片像素或遠(yuǎn)距離拍攝堆石照片,可弱化石塊的質(zhì)地不均勻性,但該方法容易產(chǎn)生清晰度過低以至于人眼都無法區(qū)分重疊石塊的問題.此外,采用常規(guī)的分水嶺算法或邊緣檢測算法等圖像識別技術(shù),對堆石粒徑的識別存在過分割或欠分割的問題,計算結(jié)果的準(zhǔn)確性欠佳.本文旨在解決堆石粒徑圖像識別的準(zhǔn)確性問題,提出了量化堆石粒徑的一種新識別方法,即基于圖像識別和人機(jī)交互的堆石粒徑分布判別方法[13-14].通過實(shí)現(xiàn)堆石粒徑的可視化自動識別,提供更精確的堆石粒徑級配曲線數(shù)據(jù),為堆石混凝土的質(zhì)量控制、檢測與評價奠定基礎(chǔ),進(jìn)而為施工規(guī)范的修訂提供參考.

      1 堆石圖像識別方法

      圖像灰度值預(yù)處理對非均質(zhì)的堆石圖像識別結(jié)果有很大的幫助.RockGUI軟件中,通過圖像灰度化將彩色RGB圖像壓縮為灰度圖像,再采用基于空域的直方圖均衡算法和中值濾波算法的圖像增強(qiáng)技術(shù),完成圖像預(yù)處理.

      圖像閾值分割算法是在灰度圖像的基礎(chǔ)上進(jìn)行閾值分割,從而粗略地提取每個堆石的空間坐標(biāo)位置,并能通過占有像素面積判斷堆石的空間分布情況.根據(jù)圖像的曝光均勻程度,采用兩種不同的閾值分割方法[16]:李氏最小交叉熵分割方法和自適應(yīng)閾值法.

      本文結(jié)合圖像梯度改進(jìn)了傳統(tǒng)的分水嶺分割算法,針對三維復(fù)雜堆石體的圖像特點(diǎn),如區(qū)域質(zhì)地不均勻、多石塊重疊遮擋等問題,在傳統(tǒng)圖像分割處理算法的基礎(chǔ)上,提出了將閾值分割與分水嶺分割相結(jié)合的算法,使用閾值分割的結(jié)果來限制分水嶺注水點(diǎn)的個數(shù)后,有效減少了傳統(tǒng)分水嶺算法由于種子點(diǎn)過多而帶來的過分割現(xiàn)象[17],得到了較為理想的圖像分割結(jié)果.在開發(fā)的RockGUI堆石粒徑圖像識別軟件中,將分水嶺算法的閾值分割結(jié)果可視化展示,為后續(xù)人機(jī)交互提供用戶操作界面.

      2 人機(jī)交互模式

      2.1 圖形用戶界面與輸入?yún)?shù)

      將第1節(jié)圖像識別算法集成到堆石粒徑圖像識別軟件中,并通過圖形用戶界面GUI(graphical user interface)的形式呈現(xiàn)給工程用戶,如圖1所示.軟件的開發(fā)語言為Python,圖像處理主要由Scikit-image庫完成,圖形用戶界面的搭建由PyQt5庫完成.

      圖1 圖形用戶界面(初始分割結(jié)果)

      在GUI用戶界面中,輸入相應(yīng)參數(shù)可以調(diào)整圖像識別效果,其中可調(diào)節(jié)的參數(shù)共有5個,分為4類.第1類為圖片去噪的相關(guān)參數(shù),即“噪聲過濾核半徑α1”,默認(rèn)值為7,通常在5~15的范圍內(nèi),該值越小則圖片分割結(jié)果碎片越多,可能導(dǎo)致過分割,反之該值越大可能會導(dǎo)致欠分割情況;第2類參數(shù)為閾值選取方法,通常軟件默認(rèn)為“全局閾值選取”法,若勾選“局部閾值選取”時,其中“局部閾值分割核半徑β2”與“偏移量s”變?yōu)檩斎腠?xiàng),閾值分割法的偏移量會導(dǎo)致圖片分割結(jié)果的較大差異,參與圖像分割計算;第3類參數(shù)為“形態(tài)學(xué)侵蝕迭代次數(shù)n”;第4類參數(shù)為梯度運(yùn)算的相關(guān)參數(shù),即“梯度運(yùn)算核半徑γ3”,其中核半徑值越大,導(dǎo)致的圖片分割碎片越多.不同參數(shù)圖像識別得到的結(jié)果有所差異,需根據(jù)堆石圖像實(shí)際情況來調(diào)整.

      2.2 人機(jī)交互修正流程

      如圖2所示,在GUI應(yīng)用中輸入原始圖像2(a),經(jīng)過內(nèi)置的圖像預(yù)處理與分割算法,得到的初步識別結(jié)果為圖2(b).為了解決過分割或欠分割等問題,在軟件基礎(chǔ)上增加了人機(jī)交互修正功能,主要包括三大類操作:過分割區(qū)域合并、欠分割區(qū)域再分割和刪除噪聲背景.圖2(c)為合并過分割區(qū)域,支持點(diǎn)擊兩個或多個過分割區(qū)域,合并為同一區(qū)域,如將同一塊堆石的不同陰影面合并.圖2(d)為再分割欠分割區(qū)域,選擇“分割面”用鼠標(biāo)軌跡作為分界線,線兩側(cè)劃分成兩個獨(dú)立區(qū)域,通過“再分割”可將粘連或互相遮擋的堆石分離成兩個獨(dú)立塊石.圖2(e)為刪除背景區(qū)域,可標(biāo)記圖片邊緣的不完整堆石,綠色圓點(diǎn)標(biāo)記為背景區(qū)域,被標(biāo)記的不完整堆石不參與堆石區(qū)域的粒徑計算.單擊“工具”菜單欄中的“塊體對應(yīng)”,可選擇實(shí)際為同一塊體的兩個或多個區(qū)域,將其標(biāo)注為同一塊體.堆石外接圓擬合結(jié)果如圖2(f)所示.

      圖2 人機(jī)交互修正流程

      RockGUI軟件中采用的人機(jī)交互算法均為偽代碼,屬于較為成熟的圖像修正算法.本研究首次將人機(jī)交互算法應(yīng)用到堆石混凝土工程中,借助了人眼判斷能快速判別重疊堆石體的有效性,將其用于復(fù)雜三維堆石體的粒徑識別計算,大大提高了圖像識別的準(zhǔn)確性.

      3 大塊堆石粒徑計算

      3.1 參照物選擇及拍攝誤差計算

      參照物是計算堆石粒徑的重要參考,按相同的比例尺對像素值進(jìn)行換算.因此,拍攝的堆石照片中需包含已知尺寸的參照物,如安全帽、標(biāo)桿、圓圈環(huán)等.本文選取固定長度為1 000 mm的測量標(biāo)桿和直徑為400 mm的鐵絲圈作為參照物,拍攝倉面堆石照片時盡量以俯視水平視角,避免傾斜視角的尺寸畸變.

      照片拍攝角度難免產(chǎn)生部分傾角,會不可避免產(chǎn)生畸變,現(xiàn)有的堆石照片主要為現(xiàn)場工程師手持手機(jī)相機(jī)俯視拍攝,拍攝高度為1.2 m到1.5 m之間,相機(jī)焦距和物距主要影響拍攝時產(chǎn)生的畸變大?。?/p>

      如圖3所示,默認(rèn)參照物在F點(diǎn)正中位置,當(dāng)相機(jī)傾斜時,相機(jī)中線與豎直線角度為α,由于在圖像識別時將其認(rèn)為是俯視拍攝,實(shí)際的BC會被當(dāng)做DE進(jìn)行處理.計算在兩端兩個微小角度上的BI,KC的識別誤差可以計算畸變大?。?/p>

      圖3 相機(jī)傾斜產(chǎn)生畸度示意圖

      設(shè)AF=1,則AG=cosα.由于∠BAI與∠KAC極小,設(shè)兩個點(diǎn)的畸變?yōu)閙和n,可以計算得到:

      (1)

      (2)

      當(dāng)α<12°時,m<1.1,n>0.85,畸變最大的區(qū)域變化率小于15%.可以認(rèn)為傾角小于12°時,畸變對識別結(jié)果的影響在可接受范圍內(nèi).另外在傾斜時,參照物的位置也會對識別結(jié)果造成影響,應(yīng)盡量保持參照物水平.經(jīng)測算,圓環(huán)參照物的畸變影響會比標(biāo)桿參照物的影響?。?/p>

      3.2 堆石粒徑的定義與計算

      堆石最小外接圓直徑的計算方法為:首先遍歷整個點(diǎn)集S,獲取位于最左、最右、最上、最下的點(diǎn)坐標(biāo)(xi,yi),將這4個點(diǎn)所在的集合設(shè)為P,剩余的點(diǎn)集設(shè)為Q,即S=P+Q.采用下列公式求包圍點(diǎn)集P的最小外接圓C的圓心(xc,yc)和半徑:

      (3)

      同時,遍歷點(diǎn)集Q檢查是否有點(diǎn)在圓C外,若所有點(diǎn)都在該圓內(nèi),則O1為最優(yōu)解;若存在點(diǎn)位于圓C外,此時將Q中距離圓心O1最遠(yuǎn)的點(diǎn)移動至P中,遍歷點(diǎn)集{P}的任意四點(diǎn)組合,重復(fù)上述計算求出點(diǎn)集P中的最小外接圓,直至最優(yōu)解.

      4 工程應(yīng)用

      4.1 工程概況

      貴州省風(fēng)光水庫位于正安縣格林鎮(zhèn)風(fēng)光村境內(nèi),大壩為C9015一級配堆石混凝土雙曲拱壩,壩頂高程691.0 m,最大壩高48.5 m,壩頂寬5.0 m.為加快施工進(jìn)度、簡化壩體構(gòu)造與施工,該工程采用了不分橫縫、整體澆筑的堆石混凝土拱壩型式[18](如圖4(a)所示),于2020年4月中旬開始首倉堆石混凝土澆筑,至2021年8月底完成壩體澆筑.

      圖4 風(fēng)光水庫位置、型式及倉面采樣點(diǎn)示意圖

      4.2 典型倉堆石照片取樣

      基于上述研究,2020年11月開展風(fēng)光水庫的現(xiàn)場試驗(yàn),選擇正在施工的單元工程(高程677.7~679.0 m,已澆筑壩高32.5 m)作為典型倉.遵循隨機(jī)取樣、均勻分布的原則,先后在靠近右壩肩壩段取35個點(diǎn)位進(jìn)行堆石照片取樣,采樣點(diǎn)位置如圖4(b)所示,圖中黃色和紅色點(diǎn)位分別為以400 mm鐵絲圈、1 000 mm標(biāo)桿作為參照物.

      4.3 堆石粒徑識別

      針對風(fēng)光水庫典型倉面,在不同取樣點(diǎn)獲取俯視照片,不同照片間保證堆石不重復(fù).采用研發(fā)的堆石粒徑識別RockGUI軟件,對堆石照片進(jìn)行圖像處理與粒徑計算.同時,為了驗(yàn)證識別結(jié)果的準(zhǔn)確性,使用可視化的圖像標(biāo)定工具LabelImg,采用人工識別的方法對圖片中的顆粒手動標(biāo)注,提取堆石顆粒的長軸和短軸直徑信息.圖5為比例尺為1 m標(biāo)桿時其中一組堆石照片的識別結(jié)果.圖5(a)為RockGUI軟件的堆石粒徑識別結(jié)果,紅色圓圈表征石塊的最大外接圓;圖5(b)為對應(yīng)的人工標(biāo)注結(jié)果,其中紅色粗線段代表堆石外接多邊形的長軸a,即堆石邊緣距離最遠(yuǎn)的兩點(diǎn)之間的線段,短軸b為其長軸的垂線.理論上,堆石的最大外接圓直徑D略大于堆石的長軸尺寸且非常接近,雖然通過二維圖像識別出的粒徑為堆石的“可視粒徑”,但仍可將人工標(biāo)注的長軸結(jié)果近似看作堆石粒徑的真值,用于判斷本文研發(fā)的圖像處理技術(shù)的準(zhǔn)確性.

      圖5 堆石圖像識別與人工標(biāo)注效果圖

      經(jīng)過RockGUI軟件的初步圖像識別,并利用人機(jī)交互功能剔除識別異常值,如圖片邊緣堆石不完整的粒徑值,最終得到1 607塊堆石.相應(yīng)地,通過人工標(biāo)注進(jìn)行圖片處理,共提取出2 387個堆石.由于圖像處理得到的堆石粒徑均為二維的“可視粒徑”,若繪制粒徑級配曲線需轉(zhuǎn)化為累積質(zhì)量分?jǐn)?shù).假定堆石密度均質(zhì)相同,分別采用D3和ab2估算RockGUI圖像識別和人工標(biāo)注的堆石體積,繪制出的粒徑級配曲線(不超過某粒徑的堆石質(zhì)量占比)如圖6所示,其中分別以外接圓直徑D和人工標(biāo)注長軸a為橫坐標(biāo),塊石粒徑以毫米為單位.

      圖6 RockGUI圖像識別和人工標(biāo)注結(jié)果對比(質(zhì)量占比)

      由圖6可看出,圖像識別的外接圓直徑與人工標(biāo)注的外接多邊形長軸結(jié)果非常接近,堆石粒徑級配曲線趨勢基本相同.實(shí)測粒徑結(jié)果略小于RockGUI識別結(jié)果,尤其是小于1 m的塊石識別結(jié)果;兩種方法均識別出了少量大于1.5 m的大塊堆石;粒徑小于300 mm的堆石質(zhì)量占比非常小,小于5%.

      4.4 堆石質(zhì)量評價等級

      根據(jù)文獻(xiàn)[4],規(guī)定堆石的最小粒徑不宜小于300 mm,宜為300~1 000 mm范圍,當(dāng)采用粒徑為150~300 mm的堆石時應(yīng)進(jìn)行論證.堆石的最大粒徑不應(yīng)超過結(jié)構(gòu)斷面最小邊長的1/4,也不宜大于澆筑層厚,風(fēng)光水庫本倉的澆筑層厚為1.3 m.

      針對風(fēng)光水庫的堆石粒徑識別結(jié)果,通過統(tǒng)計粒徑區(qū)間分布數(shù)據(jù)可知,RockGUI軟件圖像處理結(jié)果中粒徑小于300 mm的堆石塊數(shù)占比為17.45%,質(zhì)量占比為1.39%;相應(yīng)地,人工標(biāo)注的結(jié)果中粒徑小于300 mm的堆石塊數(shù)占比為25.53%,質(zhì)量占比為2.44%,因此該試驗(yàn)倉遜徑堆石料的占比符合質(zhì)量要求(<5%).此外,兩種方法算出的堆石粒徑在300~1 300 mm之間的質(zhì)量占比分別為81.71%和81.76%,占堆石料源的主體.

      而關(guān)于大塊堆石,RockGUI共識別出17塊大于倉面厚度1 300 mm的堆石,人工標(biāo)注識別出12塊,二者的大石頭塊數(shù)占比分別為1.06%和0.50%(如圖7所示).然而由于大塊石體積大,質(zhì)量占比影響非常大,能達(dá)到倉面堆石體總質(zhì)量的16.9%和15.8%.通常在實(shí)際施工過程中,倉面靠近上下游面會首先堆積大塊石頭作為穩(wěn)固外圍,雖質(zhì)量大但有利于堆石骨架的形成和提高壩體強(qiáng)度,也能節(jié)省混凝土用量,因此在堆石質(zhì)量評價時可不特意約束大體積堆石的質(zhì)量占比,而建議適當(dāng)改為大體積堆石塊數(shù)占比不小于5%.

      圖7 RockGUI和人工標(biāo)注結(jié)果對比(塊數(shù)占比)

      根據(jù)多個堆石混凝土工程的施工經(jīng)驗(yàn),制定堆石質(zhì)量評價等級見表1.Ⅰ類和Ⅱ類堆石是小粒徑堆石占比過多,澆筑混凝土?xí)r容易發(fā)生堵塞;Ⅲ類堆石是粒徑超過澆筑層厚(如1 300 mm)的大粒徑堆石塊數(shù)占比,超過了5%;Ⅳ類和Ⅴ類堆石在300~1 300 mm標(biāo)準(zhǔn)范圍內(nèi)的堆石占比,分別超過80%和90%.結(jié)合上述圖像識別和堆石粒徑計算結(jié)果,風(fēng)光水庫該倉的堆石質(zhì)量等級為Ⅳ類,倉面堆石體質(zhì)量整體較好.

      表1 堆石倉面塊石粒徑區(qū)間分布質(zhì)量評價等級(單位:%)

      5 結(jié)果誤差分析

      5.1 堆石識別數(shù)量

      通過RockGUI軟件識別和人工標(biāo)注識別兩種方法得到的堆石數(shù)量存在差異,前者得到的塊石數(shù)量比人工標(biāo)注的數(shù)量少約700塊.對比圖像識別結(jié)果發(fā)現(xiàn),由于RockGUI軟件忽略了照片邊緣不完整的塊石,每張照片中有5~10塊邊緣不完整石頭,這同時也降低了堆石粒徑識別的誤差,使得粒徑級配曲線S線型趨勢更光滑.同時,該軟件中被遮擋嚴(yán)重的小塊石識別數(shù)量也減少,對于圖像閾值分割不顯著的塊石自動忽略,也是造成識別出的堆石數(shù)量偏少的原因之一.

      5.2 堆石粒徑誤差

      為進(jìn)一步分析不同粒徑堆石的識別精度,將RockGUI軟件圖像得到的堆石粒徑記作b′,將人工使用LabelImg以多邊形圈定塊石測量得到的塊石長軸值為b,選取典型取樣點(diǎn)位5號和6號的堆石粒徑繪制圖8,比較兩者粒徑之間的誤差分布.由圖8可知,粒徑b′和b的相對誤差一般小于20%,大部分集中在誤差10%左右,如圖8(a)所示,表明RockGUI圖像識別結(jié)果總體的可靠性.比值b′/b的離散性較強(qiáng),如圖8(b)所示,范圍在0.7~1.3之間,且隨著b增大有減小的趨勢,70%左右的數(shù)據(jù)分布在1.0兩側(cè),主要在0.9~1.1之間變化.如圖8(c)所示,相對頻率也是滿足隨著b增大有減小的趨勢,不滿足正態(tài)分布.表明RockGUI的計算結(jié)果總體與實(shí)測值相符,且明顯偏離的情況比較少.粒徑較小塊石的偏離較大,是因?yàn)榇髩K石的遮擋作用以及大塊石陽光下陰影的遮蔽,使小塊石的邊界難以準(zhǔn)確分割識別.大塊石的識別效果較好,一方面是因?yàn)樵O(shè)置參數(shù)時以大塊石作為標(biāo)定樣本,另一方面是因?yàn)榇髩K石在照片中占據(jù)更多像素位置,邊界較明確.

      圖8 5、6號采樣點(diǎn)計算粒徑b′與實(shí)測特征粒徑b對比

      5.3 堆石特征粒徑

      圖9 6組采樣點(diǎn)計算與實(shí)測特征粒徑對比

      由圖9可看出,RockGUI軟件圖像處理與實(shí)測的粒徑結(jié)果符合良好,相對誤差在全級配范圍內(nèi)均小于20%,大部分特征粒徑的誤差在10%以內(nèi).采用這兩種方法得到的特征粒徑值差異存在整體性偏移,即RockGUI軟件圖像處理到的粒徑值普遍略大于實(shí)測粒徑結(jié)果,這與RockGUI軟件采用堆石的外接圓直徑略大于堆石長軸的理論一致.在塊石實(shí)際粒徑分布處于D35到D65的部分,堆石圖像識別的特征粒徑與真實(shí)值非常接近,在粒徑較小或較大時離散程度稍高,可看出RockGUI軟件圖像在處理中間粒徑區(qū)間的堆石顆粒識別結(jié)果更為準(zhǔn)確,需增加更多的數(shù)據(jù)集和優(yōu)化算法,以提高軟件在處理小塊石和大塊石的處理精度.

      6 結(jié)論與展望

      本文首次將圖像識別技術(shù)和人機(jī)交互技術(shù)結(jié)合應(yīng)用到堆石混凝土工程的堆石質(zhì)量評價,通過改進(jìn)現(xiàn)有圖像識別算法并加上通過人眼判斷的人機(jī)交互修正方法,開發(fā)了非接觸式的堆石粒徑自動識別軟件RockGUI,并采用人工標(biāo)注測量方法對其軟件圖像識別結(jié)果進(jìn)行了準(zhǔn)確性驗(yàn)證,主要結(jié)論如下:

      1)堆石體由于質(zhì)地不均、重疊嚴(yán)重等特點(diǎn)識別難度較大,但通過改進(jìn)圖像分割算法能有效減少圖像過分割現(xiàn)象.將肉眼可判別的人機(jī)交互修正算法,集成到圖像處理中,發(fā)展出一種半自動化的非接觸式圖像處理方法,能大大提高識別結(jié)果的準(zhǔn)確性.

      2)本文開發(fā)的RockGUI軟件能識別出堆石粒徑級配曲線,由于采用堆石外接圓直徑表征“可視粒徑”導(dǎo)致比人工測量值長軸偏大,但無論是計算粒徑、特征粒徑還是質(zhì)量占比等,相對誤差都不超過20%,圖像處理結(jié)果具有可靠性.風(fēng)光水庫的試驗(yàn)倉堆石粒徑級配曲線基本呈S型,遜徑堆石料小于300 mm的質(zhì)量占比約2%,堆石體質(zhì)量良好.

      堆石粒徑級配分布是評價堆石入倉質(zhì)量的重要指標(biāo),比最小粒徑300 mm更能表征堆石體骨架的特點(diǎn).下一步將結(jié)合深度學(xué)習(xí)算法、雙/多目攝像頭拍攝等手段,進(jìn)一步提高圖像識別算法的速度和準(zhǔn)確性,為堆石質(zhì)量評價提供科學(xué)依據(jù).

      猜你喜歡
      堆石塊石圖像識別
      不同粒徑組合塊石群水下漂移數(shù)值模擬
      沉管隧道DCM區(qū)地基塊石拋填振密施工技術(shù)
      地基土中基床塊石沉降變形研究
      水道港口(2020年5期)2020-12-09 07:37:46
      基于蒙特卡洛隨機(jī)采樣的土石混合體數(shù)值模型構(gòu)建方法
      混凝土預(yù)制塊模板在堆石混凝土壩中的應(yīng)用
      基于Resnet-50的貓狗圖像識別
      電子制作(2019年16期)2019-09-27 09:34:50
      高速公路圖像識別技術(shù)應(yīng)用探討
      圖像識別在物聯(lián)網(wǎng)上的應(yīng)用
      電子制作(2018年19期)2018-11-14 02:37:04
      圖像識別在水質(zhì)檢測中的應(yīng)用
      電子制作(2018年14期)2018-08-21 01:38:16
      高混凝土面板砂礫石(堆石)壩技術(shù)創(chuàng)新
      绿春县| 兰考县| 原阳县| 子长县| 乌兰察布市| 山东省| 察哈| 成武县| 巴青县| 沾益县| 辉县市| 达拉特旗| 曲麻莱县| 海晏县| 顺义区| 钦州市| 台江县| 股票| 宣汉县| 建始县| 泸西县| 林口县| 湘阴县| 三亚市| 榆中县| 山东省| 元江| 宁德市| 辉南县| 遂溪县| 利津县| 靖远县| 巴中市| 东莞市| 和林格尔县| 饶阳县| 越西县| 岗巴县| 凤山市| 志丹县| 吐鲁番市|